Evolução de funções em programação genética orientada a gramáticas

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Ernesto Luis Malta
Data de Publicação: 2002
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/24750
Resumo: Orientador: Prof.ª Aurora T. R. Pozo
id UFPR_be9589a5845d8c55f75dda01c2bc0f57
oai_identifier_str oai:acervodigital.ufpr.br:1884/24750
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaRamirez Pozo, Aurora Trinidad, 1959-Rodrigues, Ernesto Luis Malta2023-01-20T18:16:17Z2023-01-20T18:16:17Z2002Brochhttps://hdl.handle.net/1884/24750Orientador: Prof.ª Aurora T. R. PozoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Pós-Graduação em InformáticaInclui referências: p. 97-104Resumo: Um dos grandes desafios da Inteligência Artificial tem sido permitir que os computadores possam resolver problemas sem serem explicitamente programados para tal. Tal desafio implica em um sistema que recebe uma descrição em alto nível de um determinado problema e produz como resposta um programa capaz de resolvê-lo de forma satisfatória. Neste sentido, a Programação Genética é um método de indução de programas usando, por analogia, os princípios da evolução natural. Durante o processo de evolução, mantém-se uma população de programas que são continuamente alterados. A qualidade de cada programa é avaliada através de uma função de aptidão (fitness) que representa o quanto o programa aprendeu a resolver determinado problema. Através da recombinação ou alteração de determinados programas, evolui-se até que a solução seja encontrada ou algum critério de término seja satisfeito. Tradicionalmente, a formação dos programas é feita através de árvores de sintaxe abstrata, notadamente expressões em LISP. Porém, dependendo do domínio do problema ou da linguagem alvo desejada, algumas restrições devem ser satisfeitas, como por exemplo: formato da solução, tipificação correta dos dados, dentre outras. Neste trabalho explora-se o uso de gramáticas em Programação Genética como forma de impor restrições sintáticas na formação de programas, orientando a geração de programas e aplicação correta dos operadores genéticos, a fim de produzir programas válidos no domínio desejado. O uso de evolução de funções também é abordado através da apresentação de diversos métodos atualmente usados (MA, ARL, ADM e ADF). Dentre eles, ADF tem apresentado resultados promissores em problemas cuja complexidade varia em função da escalabilidade, tais como paridade par. Desta forma, ADF foi o método escolhido neste trabalho para verificar se, com o uso de gramáticas, os resultados são semelhantes. Diferentes aspectos do uso de gramáticas em Programação Genética são discutidos ao longo deste trabalho. Entre eles destacam-se mudança na representação dos programas, alterações na forma de criação da população inicial e restrições na atuação dos operadores genéticos. A comprovação da eficiência desta abordagem é feita através do uso de uma ferramenta, Chameleon, desenvolvida em C++ e apresentada em detalhes neste trabalho. Chameleon representa uma ferramenta útil de Programação Genética, fácil de usar e adaptável praticamente a qualquer problema que possa ser descrito por uma gramática. Isto é feito sem necessidade de mudanças em seu código fonte, portanto não exigindo do usuário conhecimentos sobre a linguagem em que a ferramenta foi desenvolvida. Os parâmetros são definidos em um único arquivo texto de fácil compreensão, apesar de Chameleon permitir que sejam modificados durante a execução sem o comprometimento de sua funcionalidade. Além disso, permite a gravação e recuperação de populações durante o processo evolutivo, permitindo o uso de checkpoints. A eficiência da abordagem é comparada com os resultados apresentados por John Koza no problema de paridade par (even parity). Pelos resultados obtidos até agora, o uso de gramáticas apresenta performance equivalente e diversas vantagens como: independência de domínio, uso de qualquer linguagem alvo para solução e facilidade em se impor o formato da solução.Abstract: One of the great challenges of Artificial Intelligence is to get a computer to solve a problem without explicitly programming it. This challenge envisions an automatic system whose input is a high level statement of a problem's requirements and whose output is a satisfactory solution to the given problem. The Genetic Programming method is an approach to inductively forming programs. The use of natural selection based on a fitness function for reproduction of the program population has allowed many problems to be solved. Traditionally, the programs are represented by an abstract syntax tree, usually LISP S-expressions. However, depending on the problem or the desired language, some restrictions must be satisfied, to ensure legal programs are always created. In this work, we explore the use of grammars in Genetic Programming to define the structure of the initial population and to direct crossover and mutation operators to produce only valid programs in the desired domain. The evolution of functions is also presented. Different methods proposed by various researches (MA, ARL, ADM and ADF) are described. Among them, ADF is advantageous for the scaled-up versions of the even-parity problem. In this way, we study how well the combination of grammars and ADF solves a even-parity problem. We detail how to modify the Genetic Programming components to accommodate a grammar, focusing the program representation, the initialization procedure and genetic operators constraints. A Grammar-Guided Genetic Programming system called Chameleon are presented. The system was written in C++ and its implementation details are discussed. Chameleon is a valuable tool to work with the Genetic Programming and grammars. The parameters are defined in a simple text file, although Chameleon allows parameter changes during the run, without lost of functionality. Furthermore, a population can be saved or loaded during the evolution process, allowing the use of checkpoints. The efficiency of the grammar approach is compared with the results obtained by John Koza in the even parity problem. We observed that the use of grammars does not improve the convergence, but it has many advantages such as: domain independence, easiness to impose the format of the solution, among others.104 f. : il., grafs., tabs.application/pdfDisponível em formato digitalTesesProgramação em tempo-realAlgorítmos genéticosCiência da ComputaçãoEvolução de funções em programação genética orientada a gramáticasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALD - RODRIGUES, ERNESTO LUIS MALTA.pdfapplication/pdf2917184https://acervodigital.ufpr.br/bitstream/1884/24750/1/D%20-%20RODRIGUES%2c%20ERNESTO%20LUIS%20MALTA.pdf93e1216e25b5fbe7c65fbe62c0d59742MD51open accessTEXTD - RODRIGUES, ERNESTO LUIS MALTA.pdf.txtExtracted Texttext/plain157457https://acervodigital.ufpr.br/bitstream/1884/24750/2/D%20-%20RODRIGUES%2c%20ERNESTO%20LUIS%20MALTA.pdf.txta511015761bd07e602438f1c332e64c4MD52open accessTHUMBNAILD - RODRIGUES, ERNESTO LUIS MALTA.pdf.jpgGenerated Thumbnailimage/jpeg1266https://acervodigital.ufpr.br/bitstream/1884/24750/3/D%20-%20RODRIGUES%2c%20ERNESTO%20LUIS%20MALTA.pdf.jpg09df5076ea52fcd6eef67a14f3acc403MD53open access1884/247502023-01-20 15:16:17.526open accessoai:acervodigital.ufpr.br:1884/24750Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082023-01-20T18:16:17Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Evolução de funções em programação genética orientada a gramáticas
title Evolução de funções em programação genética orientada a gramáticas
spellingShingle Evolução de funções em programação genética orientada a gramáticas
Rodrigues, Ernesto Luis Malta
Teses
Programação em tempo-real
Algorítmos genéticos
Ciência da Computação
title_short Evolução de funções em programação genética orientada a gramáticas
title_full Evolução de funções em programação genética orientada a gramáticas
title_fullStr Evolução de funções em programação genética orientada a gramáticas
title_full_unstemmed Evolução de funções em programação genética orientada a gramáticas
title_sort Evolução de funções em programação genética orientada a gramáticas
author Rodrigues, Ernesto Luis Malta
author_facet Rodrigues, Ernesto Luis Malta
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.advisor1.fl_str_mv Ramirez Pozo, Aurora Trinidad, 1959-
dc.contributor.author.fl_str_mv Rodrigues, Ernesto Luis Malta
contributor_str_mv Ramirez Pozo, Aurora Trinidad, 1959-
dc.subject.por.fl_str_mv Teses
Programação em tempo-real
Algorítmos genéticos
Ciência da Computação
topic Teses
Programação em tempo-real
Algorítmos genéticos
Ciência da Computação
description Orientador: Prof.ª Aurora T. R. Pozo
publishDate 2002
dc.date.issued.fl_str_mv 2002
dc.date.accessioned.fl_str_mv 2023-01-20T18:16:17Z
dc.date.available.fl_str_mv 2023-01-20T18:16:17Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.pt_BR.fl_str_mv Broch
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/24750
identifier_str_mv Broch
url https://hdl.handle.net/1884/24750
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 104 f. : il., grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/24750/1/D%20-%20RODRIGUES%2c%20ERNESTO%20LUIS%20MALTA.pdf
https://acervodigital.ufpr.br/bitstream/1884/24750/2/D%20-%20RODRIGUES%2c%20ERNESTO%20LUIS%20MALTA.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/24750/3/D%20-%20RODRIGUES%2c%20ERNESTO%20LUIS%20MALTA.pdf.jpg
bitstream.checksum.fl_str_mv 93e1216e25b5fbe7c65fbe62c0d59742
a511015761bd07e602438f1c332e64c4
09df5076ea52fcd6eef67a14f3acc403
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860825477021696

Registros relacionados